Wenn mich jemand fragt, was man sich dieses Jahr aneignen sollte, um mit KI weiterzukommen, sage ich nicht Prompt Engineering. Nicht Agents. Nicht Automation. Ich sage: Lerne, Skills zu bauen.

Ich arbeite täglich mit über fünfzig Agenten und mehr als doppelt so vielen Skills. Nicht als Experiment, sondern in so ziemlich allem, was ich den ganzen Tag mache. Ob KI richtig gute Ergebnisse liefert oder generische Textbausteine ausspuckt, hängt davon ab, ob Skills im Einsatz sind oder nicht.

Was ein Skill ist und warum es kein Prompt ist

Die Analogie kennt vermutlich jeder: Jemand Neues fängt im Unternehmen an. Erster Tag, top motiviert, aber komplett ahnungslos. Kennt weder die Marke noch die Kunden oder wie kommuniziert wird. Was passiert? Es gibt ein Handbuch, Regeln werden erklärt, Beispiele gezeigt. Nach ein paar Wochen arbeitet die Person eigenständig und weiß, wie der Laden läuft.

Ein Skill ist genau das, nur für KI. Fachwissen, Regeln, Beispiele, verpackt in einer Struktur, die das System automatisch lädt, wenn es sie braucht.

Der Unterschied zum Prompt liegt in der Komplexität. Ein Prompt ist eine einzelne Anweisung: "Schreib mir eine Email." Ein Skill ist das komplette Wissen, das nötig ist, um gute Emails zu schreiben. Tonfall, Zielgruppe, was man sagt und was man besser lässt, Beispiele die funktioniert haben, Negativbeispiele.

Das haben wir in der Vergangenheit auch in System Prompts gepackt, in Custom GPTs, in Agenten. Das Problem: Diese System Prompts wurden immer länger und dadurch immer unzuverlässiger. Ab einem gewissen Punkt ignoriert das Modell die Hälfte, weil zu viel gleichzeitig drin steckt.

Skills lösen genau das. Sie werden kontextbasiert und automatisch geladen. Nicht bei jedem Gespräch, sondern nur im richtigen Moment. Sage ich "Schreib einen LinkedIn-Post", lädt das System automatisch alles über meine Zielgruppe, meinen Stil, meine Dos and Don'ts. Sage ich "Erstell ein Angebot", kommen andere Regeln: Preise, Format, Compliance. Die KI erkennt selbst, welche Fähigkeit sie braucht.

Wie ein Skill aufgebaut ist

Ein Skill ist ein Ordner mit einer einzigen Pflichtdatei: SKILL.md . Eine Textdatei, kein Code, kein JSON, keine Datenbank.

Mein Marketing-Skill ist einer der komplexesten, den ich habe. Da steckt meine zehnjährige Erfahrung als CMO drin, heruntergeladen in die KI. Eine Ordnerstruktur mit Brand, Beispielen, Referenzen, Templates. Die SKILL.md ist im Prinzip der Systemprompt, wie wir das von Custom GPTs kennen. Sie referenziert alle Unterordner und sagt der KI: Wenn eine bestimmte Aufgabe gelöst werden soll, schau in den passenden Ordner.

marketing-skill/
├── SKILL.md              ← Pflicht: Steckbrief + Anweisungen
├── brand/                ← Zielgruppen, Tonalität, Design
├── examples/             ← Fertige Posts, Scripts, Mails
└── references/           ← Strategie-Docs, Guidelines

Ein einfacher Skill braucht das alles nicht. Da reicht die SKILL.md und vielleicht ein Beispiel-Dokument. Die Struktur ist komplett frei und wächst mit dem, was der Skill können muss.

Wie sich Skills in der Praxis anfühlen

Ich sage meinem System: "Erstelle ein Thumbnail für mein Skills-Video." Ein einziger Prompt.

Was dann passiert, zeigt warum Skills mehr sind als bessere System Prompts. Das System erkennt kontextbasiert, dass es den Thumbnail-Skill braucht. Dieser Skill kennt mein Gesicht, hat Referenzfotos hinterlegt, kennt meine Farben, Schriften, Bildkomposition. Aber es merkt auch, dass es für ein YouTube-Thumbnail das Script verstehen muss, und lädt automatisch den Marketing-Skill dazu. Brandstrategie, Tonalität, Ausrichtung am Markt. Zwei Skills, automatisch kombiniert.

Dann passiert eine inhaltliche Analyse: Emotionen, Pose, Komposition, basierend auf allem was in den Skills steht. Am Ende werden über die API Bilder generiert. Kein LoRA-Training nötig, das funktioniert komplett über die Skills.

Zweites Beispiel: "Mach Motion-Design-Animationen für mein Skills-Video." Wieder ein einziger Prompt. Claude erkennt den Motion-Skill, analysiert das Script, erstellt dreizehn verschiedene Animationen. Spawnt automatisch Sub-Agents und arbeitet eine To-Do-Liste ab. Ein Prompt, dreizehn fertige Animationen, vollständig autonom.

Warum funktioniert das so zuverlässig? Weil in diesen Skills nicht nur Wissen steckt, sondern auch ausführbare Skripte. Der Agent nutzt seine Kreativität für Komposition und Text, aber die Bildgenerierung und das Rendering laufen über definierte Skripte im Skill. Das ist auch eine Diskussion, die gerade viel in der Community geführt wird: Skills können non-deterministische KI-Systeme dazu bringen, deterministische Arbeitsschritte auszuführen.

Agents und Skills: der Unterschied

Die beiden Begriffe werden ständig durcheinander geworfen, dabei ist die Unterscheidung simpel.

Der Agent ist der Mitarbeiter. Er schreibt, recherchiert, analysiert, baut Dokumente. Der Skill ist das Wissen , das den Mitarbeiter gut macht. Als ich die Thumbnails und die Motion-Animationen erstellt habe, war Claude Code mein Agent, mit den Skills als Fähigkeiten.

Man braucht keinen eigenen Agent, um Skills zu nutzen. Wer in Claude, ChatGPT oder Langdock arbeitet, nutzt das System selbst als Agent. Die Skills werden reingeladen, sobald sie gebraucht werden.

Was in der Praxis gerade passiert: Unternehmen bauen nicht mehr Dutzende spezialisierte Agenten. Stattdessen wenige Agents, die auf viele Skills zugreifen. Das löst ein Problem, das wir architektonisch lange hatten. Vorher musste man sich ständig entscheiden, welchen Agenten man nimmt, weil jeder nur eine Sache konnte. Jetzt entscheidet das System selbst, welchen Skill es wann braucht.

Skills werden zum Standard

Im Oktober 2025 hat Anthropic Skills in Claude eingeführt und im Dezember das Format als offenen Standard veröffentlicht. Seitdem geht es schnell. OpenAI hat Skills in ChatGPT eingebaut, Langdock in seine Enterprise-Workflows, Codex CLI unterstützt das SKILL.md-Format. Aus der Entwickler-Community hört man, dass Skills vielleicht sogar größer sind als MCP. Und MCP war schon eine ziemlich große Sache, weil es KI mit allen externen Tools verbunden hat.

Skills werden gerade zum Standard-Feature in jeder KI-Plattform. Für Unternehmen heißt das: Wer sein Wissen heute in Skills packt, ist nicht an einen Anbieter gebunden. Das Wissen gehört euch, nicht dem Tool.

Man schreibt Skills nicht von Hand

Kein Technikstudium nötig. Ich habe keinen meiner über 100 Skills von Hand geschrieben.

In Claude gibt es einen eingebauten Skill Creator . Man sagt "Lass uns einen Skill erstellen", der Creator fragt was gebraucht wird, man führt ein Interview und daraus entsteht ein fertiger Skill. In Langdock genauso: Skill hinzufügen, "mit Chat erstellen" wählen, und die Konversation über die neuen Fähigkeiten beginnt.

Ein Tipp: Man kann bestehende Projekte, Dokumente oder Agenten transferieren. Das passiert gerade viel in der Community. Leute die vorher viele einzelne Agents gebaut haben, packen ihr Wissen jetzt in Skills um und nutzen wenige größere Agents, die auf diese Fähigkeiten zugreifen.

Dann schaut man drüber, korrigiert, gibt Feedback. Beim nächsten Mal ist der Skill besser. Nach jeder Nutzung kann man sagen: Optimiere den Skill, damit beim nächsten Mal keine Schleifen gedreht werden. So baut sich das System jeden Tag ein Stück besser auf. Das ist flexibler als alles, was wir in den letzten Jahren mit klassischer Automation gesehen haben.

Einordnung

Die Technologie ist da, die Modelle reichen, die Plattformen sind reif. Was fehlt, ist die Arbeit die keiner machen will: das eigene Wissen so aufbereiten, dass KI damit arbeiten kann.

Die Idee vom KI-gesteuerten Unternehmen gibt es schon lange. Bisher hieß das: manuell Prozesse bauen, Automation Flows zusammenklicken. Mit Skills und Agents haben wir jetzt die Werkzeuge, um KI-Systeme zu bauen die diesen Namen auch verdienen.

Was wir gerade erleben, ist der Weg von "ich tippe eine Frage im Chatfenster ein" zu "ich baue mir ein System, das mit mir wächst". Skills sind die Grundlage dafür. Wer heute anfängt, hat in zwölf Monaten einen Vorsprung, den andere schwer aufholen. Nicht weil die Tools besser sind. Sondern weil die Tools das Unternehmen verstehen.